基于分布式數(shù)據(jù)庫數(shù)據(jù)處理的研究

侯佳佳，喬運(yùn)華，卜建國(guó)，王海丹

（北京機(jī)械工業(yè)自動(dòng)化研究所，北京 100120）

0 引言

由于數(shù)據(jù)量和并發(fā)訪問量的急劇增加，數(shù)據(jù)庫的連接遇到瓶頸，大數(shù)據(jù)量的表訪問速度慢、效率低的問題日益突出。對(duì)于海量數(shù)據(jù)的處理，非關(guān)系型數(shù)據(jù)庫使用日益增多，如何部署分布式數(shù)據(jù)庫，解決關(guān)系數(shù)據(jù)庫和非關(guān)系數(shù)據(jù)庫的共同使用以及大數(shù)據(jù)量的表訪問效率低的問題已成為重中之重，通過把數(shù)據(jù)拆分到不同的數(shù)據(jù)庫，在應(yīng)用層對(duì)不同數(shù)據(jù)源整合的方案，是解決數(shù)據(jù)層性能問題的關(guān)鍵。

1 數(shù)據(jù)拆分

隨著網(wǎng)絡(luò)流量爆發(fā)式的增長(zhǎng)，業(yè)務(wù)拆分勢(shì)在必行。拆分的業(yè)務(wù)形成一個(gè)個(gè)獨(dú)立的子系統(tǒng)，RS10系統(tǒng)包括生產(chǎn)、物流、財(cái)務(wù)等子系統(tǒng)，每個(gè)子系統(tǒng)之間耦合度低，功能模塊劃分清晰，數(shù)據(jù)易于拆分。把生產(chǎn)、物流、財(cái)務(wù)等子系統(tǒng)的數(shù)據(jù)從存放在一個(gè)數(shù)據(jù)庫服務(wù)器上拆分成存放在不同的數(shù)據(jù)庫服務(wù)器上，通過中間數(shù)據(jù)層框架進(jìn)行數(shù)據(jù)整合，使得業(yè)務(wù)層訪問數(shù)據(jù)仍像訪問單個(gè)數(shù)據(jù)庫一樣，不造成任何影響。業(yè)務(wù)分級(jí)與關(guān)聯(lián)是業(yè)務(wù)劃分、信息共享和資源整合的過程，使用數(shù)據(jù)層框架解決分布式數(shù)據(jù)庫對(duì)業(yè)務(wù)分級(jí)和關(guān)聯(lián)帶來的影響。通過分庫分表、讀寫分離，數(shù)據(jù)庫的性能問題也迎刃而解。

數(shù)據(jù)拆分就是通過某種特定的條件，將我們存放在同一個(gè)數(shù)據(jù)庫中的數(shù)據(jù)分散存放到多個(gè)數(shù)據(jù)庫（主機(jī)）上面，以達(dá)到分散單臺(tái)設(shè)備負(fù)載的效果。數(shù)據(jù)拆分同時(shí)還可以提高系統(tǒng)的總體可用性，即使單臺(tái)設(shè)備崩潰之后，只是總體數(shù)據(jù)的某部分不可用，而不是所有數(shù)據(jù)。

數(shù)據(jù)拆分根據(jù)其拆分規(guī)則，可以分為兩種拆分模式。一種是按照不同的表拆分到不同的數(shù)據(jù)庫（主機(jī)）之上，這種拆分稱之為數(shù)據(jù)的垂直拆分；另外一種則是根據(jù)表中的數(shù)據(jù)的邏輯關(guān)系，將同一個(gè)表中的數(shù)據(jù)按照某種條件拆分到多臺(tái)數(shù)據(jù)庫（主機(jī)）上面，這種拆分稱之為數(shù)據(jù)的水平拆分。

1.1 垂直拆分

數(shù)據(jù)的垂直拆分也稱縱向拆分，數(shù)據(jù)庫是由很多個(gè)數(shù)據(jù)塊組成，我們垂直地將這些數(shù)據(jù)塊拆開，將它們分散到多臺(tái)數(shù)據(jù)庫主機(jī)上面。

一個(gè)架構(gòu)設(shè)計(jì)較好的應(yīng)用系統(tǒng)，其總體功能肯定是由很多個(gè)功能模塊所組成的，而每一個(gè)功能模塊所需要的數(shù)據(jù)對(duì)應(yīng)到數(shù)據(jù)庫中就是一個(gè)或者多個(gè)表。不同功能模塊的數(shù)據(jù)存放于不同的數(shù)據(jù)庫主機(jī)，可以容易避免跨數(shù)據(jù)庫的連接存在。

垂直拆分的架構(gòu)，如圖1所示。

圖1 垂直拆分架構(gòu)圖

垂直拆分的優(yōu)點(diǎn)表現(xiàn)在：

1）數(shù)據(jù)庫的拆分簡(jiǎn)單明了，拆分規(guī)則明確；

2）應(yīng)用程序模塊清晰明確，容易整合；

3）數(shù)據(jù)維護(hù)方便易行，容易定位。

垂直拆分的缺點(diǎn)則表現(xiàn)在：

1）部分表關(guān)聯(lián)無法在數(shù)據(jù)庫級(jí)別完成，需要在程序中完成；

2）訪問及其頻繁且數(shù)據(jù)量超大的表依然存在性能瓶頸；

3）事務(wù)處理相對(duì)更加復(fù)雜。

1.2 水平拆分

水平拆分主要是將某個(gè)訪問及其頻繁的表再按照某個(gè)字段的某種規(guī)則來分散到多個(gè)表中，每個(gè)表中包含一部分?jǐn)?shù)據(jù)。

數(shù)據(jù)的水平拆分是按照數(shù)據(jù)行的拆分，將表中的某些行拆分到一個(gè)數(shù)據(jù)庫，而另外的某些行拆分到其他的數(shù)據(jù)庫中。為了我們?nèi)菀着卸ǜ餍袛?shù)據(jù)放在數(shù)據(jù)庫中，拆分需要按照特定的規(guī)則來進(jìn)行。如根據(jù)公司號(hào)或者用戶編碼等進(jìn)行拆分。

基于用戶的編碼進(jìn)行數(shù)據(jù)水平拆分，如圖2所示。

圖2 水平拆分架構(gòu)圖

水平拆分的優(yōu)點(diǎn)表現(xiàn)在：

1）表關(guān)聯(lián)基本能夠在數(shù)據(jù)庫端全部完成；

2）不存在超大型數(shù)據(jù)量和高負(fù)載的表；

3）事務(wù)處理相對(duì)簡(jiǎn)單；

水平拆分的缺點(diǎn)則表現(xiàn)在：

1）切分規(guī)則相對(duì)更為復(fù)雜，很難抽象出一個(gè)滿足整個(gè)數(shù)據(jù)庫的切分規(guī)則；

2）后期數(shù)據(jù)的維護(hù)難度有所增加，人為手工定位數(shù)據(jù)更困難；

3）應(yīng)用系統(tǒng)各模塊耦合度較高，對(duì)數(shù)據(jù)的遷移拆分造成一定的困難。

1.3 聯(lián)合拆分

在實(shí)際的應(yīng)用場(chǎng)景中，系統(tǒng)的業(yè)務(wù)邏輯比較復(fù)雜，系統(tǒng)負(fù)載比較大，無法通過單獨(dú)的一種數(shù)據(jù)拆分方式來實(shí)現(xiàn)，需要兩種拆分方法結(jié)合使用，分布式數(shù)據(jù)庫應(yīng)采用垂直拆分與水平拆分聯(lián)合使用，如圖3所示。

圖3 聯(lián)合拆分架構(gòu)圖

聯(lián)合拆分的優(yōu)點(diǎn)：

1）可以充分利用垂直拆分和水平拆分各自的優(yōu)勢(shì)而避免各自的缺陷；

2）讓系統(tǒng)擴(kuò)展性得到最大化提升；

聯(lián)合拆分的缺點(diǎn)：

1）數(shù)據(jù)庫系統(tǒng)架構(gòu)比較復(fù)雜，維護(hù)難度更大；

2）應(yīng)用程序架構(gòu)也相對(duì)更復(fù)雜。

2 數(shù)據(jù)整合

數(shù)據(jù)庫在經(jīng)過垂直和（或）水平拆分被存放在不同的數(shù)據(jù)庫之后，RS10系統(tǒng)最大的問題是訪問業(yè)務(wù)數(shù)據(jù)，讓業(yè)務(wù)數(shù)據(jù)得到較好的整合，因此，存在兩種解決方案：

第一種方案，在每個(gè)子系統(tǒng)中配置和管理需要的數(shù)據(jù)源，直接訪問各個(gè)數(shù)據(jù)庫，在每個(gè)子系統(tǒng)內(nèi)完成數(shù)據(jù)的整合；

第二種方案，使用數(shù)據(jù)層框架來統(tǒng)一管理所有的數(shù)據(jù)源，數(shù)據(jù)庫集群對(duì)每個(gè)子系統(tǒng)透明。

針對(duì)RS10，我們采用第二種解決方案來實(shí)現(xiàn)數(shù)據(jù)的整合。

3 分布式數(shù)據(jù)庫層架構(gòu)

在選擇通過數(shù)據(jù)庫的中間代理層來解決數(shù)據(jù)的拆分和整合方案之后，我們選取開源的Amoeba框架，在它基礎(chǔ)上開發(fā)出適合RS10的數(shù)據(jù)拆分和整合方案。

Amoeba是一個(gè)基于java開發(fā)的，專注于解決分布式數(shù)據(jù)庫數(shù)據(jù)源整合的開源框架，可用來監(jiān)視、分析或者傳輸他們之間的通訊信息，實(shí)現(xiàn)連接路由、Query分析、Query過濾和修改、負(fù)載均衡以及基本的HA機(jī)制等。

所有客戶端請(qǐng)求都是通過這個(gè)中間層，然后經(jīng)由中間層進(jìn)行相應(yīng)的分析，判斷出是讀操作還是寫操作，然后分發(fā)到相應(yīng)的數(shù)據(jù)庫服務(wù)器上，我們基于這個(gè)框架來實(shí)現(xiàn)和部署RS10的分布式數(shù)據(jù)庫，架構(gòu)圖如圖4所示。

圖4 分布式數(shù)據(jù)庫層架構(gòu)

Amoeba能解決RS10以下問題：

1）RS10分庫分表以及拆分之后數(shù)據(jù)的整合；

2）提供了數(shù)據(jù)拆分規(guī)則，降低拆分規(guī)則給數(shù)據(jù)庫帶來的影響；

3）減少了數(shù)據(jù)庫與客戶端的連接數(shù)，用戶只訪問自己需要的數(shù)據(jù)；

4）通過中間層代理，實(shí)現(xiàn)讀寫分離。

基于這個(gè)開源框架我們能開發(fā)出同時(shí)連接不同的數(shù)據(jù)庫的數(shù)據(jù)源為前端應(yīng)用程序提供服務(wù)，我們通過Amoeba框架分析Query語句，根據(jù)Query語句中所請(qǐng)求的數(shù)據(jù)來自動(dòng)識(shí)別Query語句的數(shù)據(jù)源是什么類型數(shù)據(jù)庫，在哪個(gè)物理主機(jī)上面，然后選擇特定的JDBC驅(qū)動(dòng)和相應(yīng)協(xié)議連接后臺(tái)數(shù)據(jù)庫。

通過數(shù)據(jù)的垂直和水平拆分，增強(qiáng)數(shù)據(jù)庫的整體服務(wù)能力，通過數(shù)據(jù)層框架解決數(shù)據(jù)拆分和整合，使數(shù)據(jù)庫很容易擴(kuò)展，只需要增加廉價(jià)的PC服務(wù)器，即可線性增加數(shù)據(jù)庫集群的整體服務(wù)能力，從而實(shí)現(xiàn)分布式數(shù)據(jù)庫的部署和擴(kuò)展。

4 結(jié)束語

目前，關(guān)于分布式數(shù)據(jù)庫系統(tǒng)數(shù)據(jù)處理的研究很多，針對(duì)RS10大數(shù)據(jù)量的性能以及并發(fā)訪問效率低的問題，基于Amoeba框架，對(duì)大數(shù)據(jù)量的表進(jìn)行拆分，對(duì)集中式部署的數(shù)據(jù)庫采用分布式部署，有效的解決數(shù)據(jù)量大、并發(fā)訪問效率低的問題。分布式數(shù)據(jù)庫對(duì)數(shù)據(jù)的拆分和整合是最關(guān)鍵的環(huán)節(jié)，只有充分解決這個(gè)問題，分布式數(shù)據(jù)庫才能得到有效地使用。

[1] http://info.52z.com.[EB/OL.]

[2] MySql數(shù)據(jù)切分及整合方案—IT科技以人為本[J],2009.

[3] 王玉奎.通用高性能網(wǎng)絡(luò)棋牌游戲服務(wù)端的研究和設(shè)計(jì)[D].武漢理工大學(xué),2011.